DataFrame基于start/stop列提取Seq列子串报错求助

我来帮你搞定这个问题！你遇到的KeyError: ('start', 'occurred at index id')主要是两个小细节没处理对，咱们一步步拆解解决：

错误原因分析 #

1. apply的轴参数不对：你调用df.apply()时没指定axis=1，默认是按列（axis=0）处理，这时候lambda x里的x代表每一列的Series，自然找不到"start"这个索引，所以抛出KeyError。
2. 字符串切片的方法用错了：你的自定义函数里用z.str.slice()，但z其实是单个字符串（x["Seq"]是每行的单个Seq值），而.str.slice()是Pandas Series的方法，单个字符串直接用Python原生的切片[start:stop]就可以。

解决方案 #

方法1：修正apply的用法（适合简单场景） #

先调整自定义函数，再指定按行处理：

import pandas as pd

# 构造测试数据
df = pd.DataFrame({
    "start": [50, 25],
    "stop": [121, 150],
    "Seq": ["aaaaaaaaaaaaabbbbbbbbbbbbccccccccccdddddd", "aaaaahhhhhhhsssssssssssssscccccccccdddddd"]
})

# 自定义按行处理的函数
def extract_subseq(row):
    # 直接用Python原生切片处理单个字符串
    return row["Seq"][row["start"]:row["stop"]]

# 调用apply时指定axis=1（按行处理）
df["subseq"] = df.apply(extract_subseq, axis=1)

或者用更简洁的lambda写法：

df["subseq"] = df.apply(lambda row: row["Seq"][row["start"]:row["stop"]], axis=1)

方法2：矢量化操作（更高效，推荐） #

Pandas的str.slice()其实支持直接传入Series作为start和stop参数，不用循环/apply，速度快很多：

df["subseq"] = df["Seq"].str.slice(start=df["start"], stop=df["stop"])

这个方法避免了逐行处理的开销，尤其是数据量大的时候优势明显。

验证结果 #

运行后你会得到新增的subseq列，就是每行按start和stop提取的Seq子串啦！

内容的提问来源于stack exchange，提问作者pino